哈萨克国际通讯社：您从事计算机图形领域工作已有30多年，从好莱坞工作室到NVIDIA，参与过不同领域的项目。随着人工智能快速发展，计算机图形技术的角色发生了怎样的变化？未来这一领域最大的变化会是什么？
雷夫·勒巴雷迪安： 在多年的工作经历中，计算机图形技术的主要目标一直是创造在人类看来足够真实的虚拟世界。但随着物理人工智能（Physical AI）的发展，这些虚拟世界正在成为训练机器的环境。因此，准确遵循物理规律变得非常重要。
例如，机器人需要理解拿起一个物体时会发生什么、应该如何在房间内移动，以及遇到此前从未见过的物体时应当如何作出反应。
仿真技术使我们能够在虚拟环境中反复测试这些情况。因为如果在现实世界中进行同样的重复试验，不仅可能耗费大量资金和时间，有时还会带来危险。
未来最大的变化，是人工智能将开始真正作用于现实世界。也就是说，机器能够感知周围环境、分析正在发生的情况，并据此采取行动。过去数十年来计算机图形、物理建模和加速计算技术的发展，正在为这一转变奠定基础。
哈萨克国际通讯社：NVIDIA Omniverse可以在虚拟环境中重现现实世界并提前进行测试。目前，企业能够在多大程度上准确模拟工厂运行、机器人、车辆，甚至整座城市中的各种流程？
雷夫·勒巴雷迪安： 这种能力现在已经投入实际应用。例如，宝马集团在Virtual Factory项目中利用NVIDIA Omniverse提前规划和验证生产环节的调整。
根据宝马方面的数据，过去要验证生产线上不同设备能否在不发生碰撞的情况下正常运行，大约需要4周时间。如今，这一过程可以在虚拟环境中用3天完成模拟。
人工智能智能体也正在改变数字孪生的创建和使用方式。工程师过去首先需要准备数据，将不同软件整合到一个系统中，再配置仿真环境，这是一项非常耗费时间和人力的工作。借助NVIDIA Omniverse工具，其中一部分工作可以交由人工智能智能体完成，并开展不同测试。
例如，如果需要提高工厂内部物料运输效率，人工智能智能体可以分析不同的设备布局方案并比较结果，而数字孪生则可以提前验证这些调整会对实际生产产生什么影响。
这样一来，工程师可以首先在虚拟环境中测试不同方案，再将测试结果与实际生产数据进行比较，从而确定哪一种方案更加有效。这些数据还可以进一步完善数字孪生，并帮助企业判断实际生产环节需要进行哪些调整。
哈萨克国际通讯社：未来5年，生成式人工智能、Omniverse和虚拟仿真最有可能在哪些行业带来较大变化？是制造业、汽车工业、能源、建筑、医疗，还是其他领域？
雷夫·勒巴雷迪安： 短期内，这些技术可能会在制造、物流和汽车工业得到广泛应用，因为这些行业需要处理复杂的生产系统。
例如，调整生产线、部署新的机器人或者测试车辆，都需要投入大量时间和资金。而虚拟仿真可以让企业首先在计算机环境中测试这些变化。
生成式人工智能能够在虚拟环境中创建不同场景，并测试相关技术在这些场景中的运行情况。人工智能智能体则可以把设计、仿真和优化流程连接起来，使工程师能够研究更多不同方案。
这些技术在能源、建筑和医疗领域同样具有广泛应用空间。未来5年，我认为能够缩短产品开发周期、提高工作可靠性并节约资源的解决方案，其需求将不断增长。
当然，在应用这些技术之前必须进行全面验证。特别是在技术故障可能影响人的生命安全、生产活动或其他关键系统的领域，对安全性的要求必须更高。
哈萨克国际通讯社：哈萨克斯坦正在计划提升人工智能所需的算力。这些技术可以如何帮助我国发展数字孪生、提前模拟工业生产流程，并应用于其他经济领域？
雷夫·勒巴雷迪安： 加速计算技术能够让工程师在真正改变生产流程之前，提前验证相关调整会产生怎样的结果。这些技术可以在哈萨克斯坦的制造业、能源和物流领域得到广泛应用。
例如，借助数字孪生，可以确定生产设施中的设备应当如何布局，模拟物料流动，或者测试机器人如何与其他设备协同工作。在能源领域，这些技术则可以帮助开展工程计算和提前规划。
不过，仅仅提高算力还不够。还需要与之配套的软件、准确可靠的工程数据，以及熟悉各行业特点的专业人才。
当这些要素结合起来后，哈萨克斯坦的专业人员就可以利用人工智能解决工业生产中的实际问题，同时也将为开发能够真正应用于企业的新技术和服务创造条件。
哈萨克国际通讯社：大型人工智能数据中心需要消耗大量电力，同时还需要建设冷却系统及相应基础设施。当前各国都在提高人工智能算力。在这种情况下，如何在扩大算力与提高能源利用效率之间取得平衡？
雷夫·勒巴雷迪安： 关键问题在于，如何从每一个单位的能源投入中获得尽可能多的计算成果。因此，不能孤立地看待人工智能基础设施，而应将其作为一个完整系统进行考虑。
计算设备、网络、软件、电力供应和冷却系统必须相互协调，因为其中一个环节发生变化，也会影响整个系统的运行。
数字孪生可以在设施实际建设之前对这些环节进行测试，并在数据中心投入运行后继续帮助优化其工作。例如，通过NVIDIA Omniverse DSX Blueprint，可以提前模拟设施内部的设备布局、电力供应和冷却系统运行情况，从而在真正实施某项调整之前看到可能产生的结果。
使用现代化设备和软件，并对整个系统进行合理组织，有助于提高能源利用效率。同时，每个国家还需要考虑自身电力资源、水资源消耗以及电网承载能力。
节约能源非常重要，但随着算力不断提高，对电力、水以及其他资源的需求也会继续增长。因此，在扩大计算基础设施的同时，也必须考虑由此带来的资源压力。
哈萨克国际通讯社：您曾表示，物理人工智能可能从根本上改变全球经济的许多领域。要充分释放这种潜力，相关技术还需要在哪些方面取得突破？您认为世界模型（World Models）最先会在哪些领域得到广泛应用？
雷夫·勒巴雷迪安： 目前面临的主要问题之一是数据。
为了让人工智能学会理解人类语言，我们拥有海量文本数据。但如果要让机器在现实世界中自主行动，它必须理解运动、各种力的作用，以及自身行为会产生怎样的后果。
通过真实机器人积累这类经验，需要耗费大量时间和资金，有些情况下甚至可能存在危险。因此，我们可以首先在计算机中创建不同场景并进行测试。
NVIDIA Cosmos世界模型就能够发挥这样的作用。专业人员可以利用它模拟现实环境中的各种情况，生成训练人工智能所需要的数据，并预测某种情形接下来可能如何发展。
这些技术可能最先在机器人和自动驾驶汽车领域得到广泛应用。因为机器人和自动驾驶车辆在现实世界中会面对各种不同情况，并且必须针对每一种情况作出正确反应。
接下来的任务，是让虚拟环境中的测试尽可能接近现实世界，准确评估系统的实际运行效果，并确保机器在虚拟环境中学到的能力能够可靠地应用于现实场景。